排序方式: 共有9条查询结果,搜索用时 0 毫秒
1
1.
Visual Bhsic(VB)是开发Windows环境下图形化应用程序的良好工具,其易学易用已为广大编程爱好者公认。可是VB开发的图形界面中规中矩,已不能满足日益张显个性的要求,就此本文以时钟程序为例,介绍如何用VB开发具有通明效果的不规则图形界面应用程序的关键技术。 相似文献
2.
针对现存交通事故文本信息中存在的大量时间、地点、伤亡损失等关键异构数据难以有效提取,以及用静态词向量深度学习模型提取交通事故文本信息精确度较低的问题,本文利用BERT(Bidirectional Encoder Representations from Transformers)对文本字符进行动态向量映射,从数据表达源头解决一词多义、上下文依赖不充分等问题;利用BiGRU(Bi-Gate Recurrent Unit)提取文本向量化后的特征,输出高特征的文本序列;利用CRF(Conditional Random Fields)计算全局最优输出节点的概率优势,优化文本序列特征结果,提出一种基于动态字向量的BERT-BiGRU-CRF融合模型,用于交通事故文本关键信息提取。通过对比实验表明,该模型在交通事故文本信息提取中平均准确率为0.952,F1为0.925,比基于静态词向量Word2Vec模型的精确率与F1值分别提高了6.3个百分点和7.9个百分点。 相似文献
3.
针对知识图谱推荐算法用户端和项目端建模程度不均且模型复杂度较高等问题, 提出融合知识图谱和轻量图卷积网络的推荐算法. 在用户端, 利用用户相似性生成邻居集合, 将用户及其相似用户的交互记录在知识图谱上多次迭代传播, 增强用户特征表示. 在项目端, 将知识图谱中实体嵌入传播, 挖掘与用户喜好相关的项目信息; 接着, 利用轻量图卷积网络聚合邻域特征获得用户和项目的特征表示, 同时采用注意力机制将邻域权重融入实体, 增强节点的嵌入表示; 最后, 预测用户和项目之间的评分. 实验表明, 在Book-Crossing数据集上, 相较于最优基线, AUC和ACC分别提高了1.8%和2.3%. 在Yelp2018数据集上, AUC和ACC分别提高了1.2%和1.4%. 结果证明, 该模型与其他基准模型相比有较好的推荐性能. 相似文献
4.
针对在线学习过程中出现的知识过载及传统推荐算法中存在的数据稀疏和冷启动问题,提出了一种基于多层感知机(MLP)的改进型深度神经网络学习资源推荐算法。该算法利用多层感知机对非线性数据处理的优势,将学习者特征和学习资源特征进行向量相乘的预测方式转换为输入多层感知机的方式,改进了DN-CBR神经网络推荐模型。为验证模型的有效性,以爱课程在线学习平台数据为样本构建数据集,通过对比实验表明,在该数据集上,改进后模型相较于DN-CBR模型在归一化折损累积增益和命中率指标上分别提升了1.2%和3%,有效地提高了模型的推荐性能。 相似文献
5.
6.
7.
针对场馆数字增强现实后出现的虚拟图像模糊不清问题,提出了一种基于三目立体的场馆数字再现增强现实技术,首先通过多尺度边缘提取算法获得场馆边缘特征,再使用互能量交叉算法对部分特征噪声抑制,之后利用三目立体匹配算法对残余噪声清除,并使用算法中的三目极线约束与梯度方向约束,对场馆进行极线匹配,得到场馆的三维立体线条,之后使用扫描仪收集场馆的三维点云数据,同时使用Gemagic与3DMax软件进行处理,进而得到完整的场馆三维立体模型,最后录制增强现实虚拟解析人物模型、声音解锁和文字介绍,并将其融合到三维立体模型中,进而完成对场馆数字的增强现实.以体育场馆为例进行仿真,结果表明,所提方法构建的虚拟场馆具有图像清晰、帧率高的优点. 相似文献
8.
9.
针对传统协同过滤(CF)中的数据稀疏和冷启动问题,以及元路径、随机游走算法没有充分利用节点信息的问题,提出融合知识图谱和图注意力网络的引文推荐算法(C-KGAT)。首先,使用TransR算法将知识图谱信息映射为低维稠密向量,以获取节点的嵌入特征表示;其次,利用图注意力网络通过多通道融合机制聚合邻居节点信息以丰富目标节点的语义,并捕获节点间高阶连通性;接着,在不影响网络的深度或宽度的情况下,引入动态卷积层动态地聚合邻居节点信息以提升模型的表达能力;最后,通过预测层计算用户和引文的交互概率。在公开数据集AAN(ACL Anthology Network)和计算机科学文献库(DBLP)上的实验结果表明,所提算法的效果优于所有对比模型,所提算法的MRR(Mean Reciprocal Rank)相较于次优模型NNSelect分别提升了6.0和3.4个百分点,所提算法的精确率和召回率指标也有不同程度的提升,验证了算法的有效性。 相似文献
1